Advances in Statistical Monitoring of Complex Multivariate Processes: With Applications in Industrial Process Control

ویرایش: 1 
نویسندگان: Uwe Kruger. Lei Xie  
سری: Statistics in Practice 
ISBN (شابک) : 047002819X, 9780470028193 
ناشر: Wiley 
سال نشر: 2012 
تعداد صفحات: 459 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 13 مگابایت 

قیمت کتاب (تومان) : 33,000



توسعه و بکارگیری تکنیک های آماری چند متغیره در پایش فرآیند در دو دهه گذشته در دانشگاه و صنعت به طور یکسان مورد توجه قرار گرفته است. در ابتدا برای نظارت و تشخیص عیب در سیستم‌های پیچیده توسعه داده شد، چنین تکنیک‌هایی در زمینه‌های مهندسی مختلف، به عنوان مثال، مکانیک و تولید، شیمی، برق و الکترونیک و مهندسی قدرت، اصلاح و به کار گرفته شدند. دستور العمل علاقه فوق العاده به تکنیک های آماری چند متغیره در سادگی و سازگاری آن برای توسعه برنامه های نظارت است. در مقابل، مدل رقابتی، سیگنال یا تکنیک های مبتنی بر دانش پتانسیل خود را تنها زمانی نشان دادند که اقتصاد هزینه-فایده، تلاش مورد نیاز در توسعه برنامه ها را توجیه کرده باشد.

پایش آماری فرآیندهای چند متغیره پیچیده ارائه می دهد. پیشرفت‌های اخیر در نظارت بر فرآیند مبتنی بر آمار، توضیح می‌دهد که چگونه می‌توان از این فرآیندها اکنون در زمینه‌هایی مانند مهندسی مکانیک و ساخت و تولید، علاوه بر صنایع شیمیایی سنتی استفاده کرد.

این کتاب:

< ul>

شامل یک پس‌زمینه نظری دقیق از فناوری اجزاء است.

مجموعه‌ای از کار را برای رفع اشکالات این حوزه گرد هم می‌آورد و روش‌هایی را برای بهبود آنها ایجاد می‌کند.

جزئیات. استفاده متقابل رشته‌ای، نمونه‌هایی در مهندسی شیمی، مکانیک و ساخت نمونه است.

کاربردهای صنعتی واقعی را ارائه می‌کند، کاستی‌ها در روش‌شناسی و نحوه رسیدگی به آنها را تشریح می‌کند.

شامل مثال‌های متعددی است. ، سوالات آموزشی و تکالیف خانه در قالب پروژه های فردی و تیمی، برای افزایش تجربه یادگیری.

دارای یک وب سایت تکمیلی شامل الگوریتم های Matlab و مجموعه داده ها است.

< p>این کتاب یک متن مرجع به موقع به حوزه به سرعت در حال تحول تجزیه و تحلیل آماری چند متغیره برای دانشگاهیان، دانش‌آموزان سطح پیشرفته و پزشکان ارائه می‌دهد.

The development and application of multivariate statistical techniques in process monitoring has gained substantial interest over the past two decades in academia and industry alike.  Initially developed for monitoring and fault diagnosis in complex systems, such techniques have been refined and applied in various engineering areas, for example mechanical and manufacturing, chemical, electrical and electronic, and power engineering.  The recipe for the tremendous interest in multivariate statistical techniques lies in its simplicity and adaptability for developing monitoring applications.  In contrast, competitive model, signal or knowledge based techniques showed their potential only whenever cost-benefit economics have justified the required effort in developing applications.

Statistical Monitoring of Complex Multivariate Processes presents recent advances in statistics based process monitoring, explaining how these processes can now be used in areas such as mechanical and manufacturing engineering for example, in addition to the traditional chemical industry.

This book:

• Contains a detailed theoretical background of the component technology.
• Brings together a large body of work to address the field’s drawbacks, and develops methods for their improvement.
• Details cross-disciplinary utilization, exemplified by examples in chemical, mechanical and manufacturing engineering.
• Presents real life industrial applications, outlining deficiencies in the methodology and how to address them.
• Includes numerous examples, tutorial questions and homework assignments in the form of individual and team-based projects, to enhance the learning experience.
• Features a supplementary website including Matlab algorithms and data sets.

This book provides a timely reference text to the rapidly evolving area of multivariate statistical analysis for academics, advanced level students, and practitioners alike.